Les grands modèles linguistiques (LLM) exigent une mise en œuvre sophistiquée des instructions (prompting), mais les pratiques actuelles font face à plusieurs défis liés à la structure, à l’intégration des données, à la sensibilité aux formats et à l’outillage. Les méthodes existantes manquent de solutions globales pour organiser des instructions complexes impliquant divers types de données (documents, tableaux, images) ou pour gérer de manière systématique les variations de présentation. Pour combler ces lacunes, nous introduisons POML (Prompt Orchestration Markup Language). POML utilise une balisage basé sur des composants pour définir la structure logique (rôles, tâches, exemples), des balises spécialisées pour une intégration fluide des données, ainsi qu’un système de mise en forme inspiré du CSS afin de séparer le contenu de sa présentation, réduisant ainsi la sensibilité aux formats. Il inclut un mécanisme de génération de modèles dynamiques (templating) et un ensemble complet d’outils pour développeurs (prise en charge par les IDE, SDK) afin d’améliorer le contrôle de version et la collaboration. Nous validons POML à travers deux études de cas démontrant son impact sur l’intégration d’applications complexes (PomLink) et sur les performances en précision (TableQA), ainsi qu’une étude utilisateurs évaluant son efficacité dans des scénarios de développement réels.